集合转换卡尔曼滤波同化的一种分析方案  

Analysis programme in assimilation of ensemble transform Kalman filter

作　　者：吴国灿[1,2] 郑小谷[1,2] 

机构地区：[1]北京师范大学全球变化与地球系统科学研究院,北京100875 [2]遥感科学国家重点实验室,北京100875

出　　处：《中国科技论文》2015年第3期256-260,共5页China Sciencepaper

基　　金：高等学校博士学科点专项科研基金资助项目(20120003120035);国家自然科学基金资助项目(41405098);遥感科学国家重点实验室2014年度开放基金资助项目(OFSLRSS201418);中央高校基本科研业务费专项资金资助项目(2012LYB39)

摘　　要：集合转换卡尔曼滤波在处理非线性观测资料的同化时,通常对非线性观测算子做简单的线性化处理,这会带来较大的舍入误差,降低同化效果。通过对状态变量和观测变量的转换,将观测算子视为预报算子的一部分,对传统的同化算法进行改进,减小了同化中的误差。以典型的Lorenz-96预报模型来验证算法,对于较大模型误差或较强非线性观测算子的情形,结果好于传统的方法。The assimilation of ensemble transform Kalman filter（ETKF）in processing nonlinear observation data has to simply linearize the nonlinear observations,which results in large error and low accuracy.The nonlinear observation operator is treated as a part of the forecast operator through the conversion of the state vector and observation vector.Such improvement to conventional assimilation calculation effectively reduces the assimilative error.The simulation results of Lorenz-96 experiments show that analysis error is reduced in the new scheme and the assimilation accuracy is improved,especially for the cases of the forecast model with large error or strongly nonlinear observation operator.

关 键 词：数据同化 集合转换卡尔曼滤波 非线性观测算子 预报误差 

分 类 号：P456.7[天文地球—大气科学及气象学]